Hudkreft: kunstig intelligens versus hudlege

For første gang har forskere vist at kunstig intelligens kan identifisere hudkreft mer nøyaktig enn hudleger.

De lite studio, publisert denne måneden i Annals of Oncology, sammenlignet ytelsen til en form for kunstig intelligens kalt deep learning convolutional neural network (CNN) med en gruppe på 58 hudleger.

Forskere fant at CNN var mer pålitelig i å identifisere melanom, en aggressiv form for hudkreft, og i godartet (kalt nevi) selv enn erfarne hudleger.

«Jeg forventet bare en ytelse på samme nivå med legene. Overresultatet til selv erfarne og gjennomsnittlig utdannede hudleger var en stor overraskelse, sier førsteforfatter Dr. Holger Haenssle, en overlege ved dermatologisk avdeling ved Universitetet i Heidelberg, Tyskland, til Healthline.

Studien er basert på en referansekort av Stanford-forskere i 2017 som først foreslo at kunstig intelligens kunne, gjennom maskinlæring, visuelt identifisere hudkreft etter å ha undersøkt tusenvis av bilder av sykdommen. Maskinlæring er en prosess der kunstig intelligens «lærer» og forbedrer ytelsen i en gitt aktivitet basert på tidligere ytelse og data.

Prosessen som brukes av CNN i denne forskningen er basert på en algoritme utviklet av Google som lar kunstig intelligens visuelt skille mellom tusenvis av forskjellige objekter.

Men til nå hadde ikke nøyaktigheten av prosessen blitt sammenlignet med den til en stor gruppe menneskelige hudleger.

For å gjennomføre studien satte Haenssle og teamet hans sammen et testsett med hundre dermoskopiske bilder som inkluderte godartede melanomer og nevi.

Dermoskopiske bilder er høyoppløselige zoomede bilder laget med et instrument kjent som et dermoskop. De tillater enklere diagnoser enn inspeksjon med det blotte øye.

Bildene ble analysert av både CNN og en gruppe på 58 hudleger fra hele verden.

Hudleger fra 17 ulike land og med ulike ferdighetsnivåer, fra nybegynner til ekspert, deltok. Av hudlegene var 17 (omtrent en tredjedel) «nybegynnere», dvs. mindre enn to års erfaring med dermatoskopi; 11 var «kvalifisert», med 2-5 års erfaring; og 30 (mer enn halvparten) ble ansett som «eksperter», med over fem års erfaring.

I den første fasen av studien fikk hudlegene kun bildene og bedt om å diagnostisere om det var melanom eller godartet nevi. De ble deretter bedt om å angi sin avgjørelse for neste handling: om operasjon (eksisjon), kort- eller langtidsoppfølging eller ingen handling var nødvendig.

Etter den første syklusen med analyser ga forskerne hudlegene ytterligere nærbilder av de samme områdene og klinisk informasjon, som pasientens alder og kjønn og hvor lesjonen var på kroppen.

I løpet av den første delen av studien identifiserte hudleger 86.6 % av melanomer, selv om de mest erfarne legene skåret 89 % høyere. I gjennomsnitt identifiserte gruppen 71 nøyaktig.3 prosent av godartede føflekker.

Når kunstig intelligens ble tildelt samme oppgave, identifiserte den 95 % av melanomene riktig.

I løpet av neste fase av studien, da leger ble gitt tilleggsinformasjon, ble nøyaktigheten deres forbedret. Gjennomsnittlig påvisning av melanomer økte til 88.9 % og godartede føflekker 75.7 %.

Men selv med denne tilleggsinformasjonen var ytelsen til menneskelige hudleger enda dårligere enn CNN.

Den utbredte integreringen av maskinlæring AI i klinisk dermatologisk praksis vil sannsynligvis øke oppdagelsen av hudkreft og forbedre resultatene.

I en medfølgende redaksjon, Dr Victoria Mar, fra Monash University, Melbourne, Australia, og professor H. Peter Soyer, University of Queensland, Brisbane, Australia, beskrev hvordan denne teknologien kan bli vanlig praksis.

«I fremtiden tror jeg at kunstig intelligens vil bli integrert i praksis som et diagnostisk hjelpemiddel, spesielt i primærhelsetjenesten, for å støtte beslutningen om å fjerne en lesjon, rapportere eller på annen måte forsikre at den er godartet,» sa Mar til Healthline.

Mar sa at AI kunne samarbeide med leger for å behandle flere pasienter mer effektivt.

«Det er potensialet for AI-teknologi å integreres med 2D- eller 3D-hudavbildningssystemer, noe som betyr at de fleste godartede lesjoner allerede vil være maskinfiltrert, slik at vi kan bruke mer tid på å fokusere på lesjonene. vanskelig eller mer urovekkende,» sa hun. «For meg betyr dette en mer produktiv interaksjon med pasienten der vi kan fokusere på riktig behandling og gi slankere behandling».

Dr Suzanne M. Olbricht, FAAD, president for American Academy of Dermatology, sa til Healthline i en uttalelse at gruppen «ønsker teknologiske fremskritt», men sa at menneskelige leger ikke kommer til å bli erstattet med en bærbar datamaskin.

«Selv om kunstig intelligens kan være et nyttig verktøy for å diagnostisere hudkreft, kan ingen maskiner gjenskape den omfattende, høykvalitets hud-, hår- og neglepleie levert av en sertifisert hudlege,» sa Olbricht i uttalelsen.

«Selv om denne teknologien har store løfter for dermatologipraksis, er det nødvendig med mer arbeid og forskning for å levere det løftet,» sa han.

Inntil da er du sannsynligvis fortsatt i gode hender hos en sertifisert hudlege.